MétaCan
Menu
Retour à la cohorte
Enregistrement W2606695229 · doi:10.33137/ijidi.v1i1.32183

Meeting Campus Linguistic Diversity: A Multilingual Library Orientation Approach

2016· article· en· W2606695229 sur OpenAlexaffabout
Jennifer Congyan Zhao, Nazi Torabi, Sonia Smith

Notice bibliographique

RevueThe International Journal of Information Diversity & Inclusion (IJIDI) · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMandarin ChineseSession (web analytics)AttendanceMedical educationDiversity (politics)Orientation (vector space)PsychologyPopulationLibrary scienceComputer scienceWorld Wide WebMedicineSociologyLinguisticsPolitical science

Résumé

récupéré en direct d'OpenAlex

This study sought to determine whether offering multilingual orientation sessions to non-native English-speaking students at the beginning of an academic year would improve their knowledge of library services and resources. In September 2015, McGill Library offered 11 orientation sessions in five different languages—English, French, Mandarin Chinese, Persian, and Spanish. A total of 74 students attended the sessions. Noticeable attendance patterns included: (1) sessions offered earlier in the semester had high attendance and (2) the Chinese sessions received the most participants. This study also evaluated students’ learning via an assessment questionnaire at the end of each session. The assessment results suggest an increase in students’ awareness of services and resources offered by McGill Library. This article reports on the planning, implementation, and assessment of this program; discusses the challenges encountered and lessons learned in organizing and delivering these sessions; and provides recommendations on organizing similar multilingual library orientation programs to address the needs of a diverse student population on campus.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,002
Communication savante0,0060,002
Science ouverte0,0020,018
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,264
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Information Diversity & Inclusion (IJIDI)Même sujetLibrary Science and Information LiteracyTravaux en français237 207